CN114040220A - 直播方法和装置 - Google Patents
直播方法和装置 Download PDFInfo
- Publication number
- CN114040220A CN114040220A CN202111414398.XA CN202111414398A CN114040220A CN 114040220 A CN114040220 A CN 114040220A CN 202111414398 A CN202111414398 A CN 202111414398A CN 114040220 A CN114040220 A CN 114040220A
- Authority
- CN
- China
- Prior art keywords
- live
- stream
- source
- subtitle data
- live stream
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 120
- 238000013519 translation Methods 0.000 claims abstract description 115
- 230000008569 process Effects 0.000 claims abstract description 71
- 230000004044 response Effects 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 44
- 230000015654 memory Effects 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440236—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by media transcoding, e.g. video is transformed into a slideshow of still pictures, audio is converted into text
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/485—End-user interface for client configuration
- H04N21/4856—End-user interface for client configuration for language selection, e.g. for the menu or subtitles
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请公开了直播方法和装置，涉及直播技术领域。方法的一具体实施方式包括：响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据；将字幕数据编码进源直播流，得到目标直播流；对源站中的目标直播流进行转码，得到转码后的直播流；基于转码后的直播流进行直播，有效提升了生成直播字幕的效率。
Description
技术领域
本申请涉及计算机技术领域，具体涉及直播技术领域，尤其涉及一种直播方法和装置。
背景技术
随着随着时代的发展，直播行业有了质的飞跃，对高清画质、低延时、声画同步等问题已经优化到了极致，然而用户的需求并不满足于此。
在某些场景例如各大体育赛事、大型会议报告、在线教育培训等，都需要对直播进行实时翻译并添加多语言字幕。现有的技术都是通过线下人工同传+字幕机设备实现直播实时翻译和多语言字幕功能。
而上述方式主要存在如下问题：
1、成本高，每一场直播都需要专业的同传人员和相关的硬件设备；
2、效率低，受人工和设备的影响，效率低下，不具备大规模使用的条件。
发明内容
本申请实施例提供了一种直播方法、装置、设备以及存储介质。
根据第一方面，本申请实施例提供了一种直播方法，该方法包括：响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据；将字幕数据编码进源直播流，得到目标直播流；对目标直播流进行转码，得到转码后的直播流；基于转码后的直播流进行直播。
在一些实施例中，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据，包括：建立AI语音翻译引擎与直播翻译进程之间的通信；基于AI语音翻译引擎与直播翻译进程之间的通信对源站中的源直播流中的音频数据进行翻译，得到字幕数据。
在一些实施例中，建立AI语音翻译引擎与直播翻译进程之间的通信，包括：通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信。
在一些实施例中，将字幕数据编码进所述源直播流，得到目标直播流，包括：响应于获取到字幕数据，将字幕数据与源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；将对齐后的字幕数据与源直播流进行合并编码，得到目标直播流。
在一些实施例中，该方法还包括：响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对所述源直播流进行本地缓存。
根据第二方面，本申请实施例提供了一种直播装置，该装置包括翻译模块，被配置成响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据；编码模块，被配置成将字幕数据编码进源直播流，得到目标直播流；转码模块，被配置成对目标直播流进行转码，得到转码后的直播流；直播模块，被配置基于转码后的直播流进行直播。
在一些实施例中，翻译模块包括：建立单元，被配置成建立AI语音翻译引擎与直播翻译进程之间的通信；通信单元，被配置成基于AI语音翻译引擎与直播翻译进程之间的通信对源站中的源直播流中的音频数据进行翻译，得到字幕数据。
在一些实施例中，建立单元进一步被配置成：通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信。
在一些实施例中，编码模块包括：对齐单元，被配置成响应于获取到字幕数据，将字幕数据与源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；合并单元，被配置成将对齐后的字幕数据与源直播流进行合并编码，得到目标直播流。
在一些实施例中，该装置还包括：缓存模块，被配置成响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源直播流进行本地缓存。
根据第三方面，本申请实施例提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面的任一实施例的直播方法。
根据第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的任一实施例的直播方法。
本申请通过响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据；将字幕数据编码进所述源直播流，得到目标直播流；对目标直播流进行转码，得到转码后的直播流；基于转码后的直播流进行直播，克服了现有技术中生成翻译字幕的成本高、效率低的问题，提高了实时生成直播流的翻译字幕的效率，同时克服了现有技术中在转码时生成翻译字幕耗费资源较多的问题，有效减少了资源的耗费。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的直播方法的一个实施例的流程图；
图3是根据本申请的直播方法的一个应用场景的示意图；
图4是根据本申请的直播方法的另一个实施例的流程图；
图5是根据本申请的直播装置的一个实施例的示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的直播方法的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如，直播类应用、通讯类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于手机和笔记本电脑。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供直播服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如，响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据；将字幕数据编码进源直播流，得到目标直播流；对目标直播流进行转码，得到转码后的直播流；基于转码后的直播流进行直播。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供直播服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是，本公开的实施例所提供的直播方法可以由服务器105执行，也可以由终端设备101、102、103执行，还可以由服务器105和终端设备101、102、103彼此配合执行。相应地，直播装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器105中，也可以全部设置于终端设备101、102、103中，还可以分别设置于服务器105和终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2示出了可以应用于本申请的直播方法的流程示意图200。在本实施例中，直播方法包括以下步骤：
步骤201，响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据。
在本实施例中，执行主体(如图1中所示的服务器105或终端设备101、102、103)可实时或间隔预设时长检测是否存在源站上报的源直播流的相关信息，若检测到源站上报的源直播流的相关信息，则可向预设的直播翻译进程下发任务，以控制直播翻译进程拉取源站中的源直播流的音频数据，并进行翻译，得到字幕数据。
其中，源直播流的相关信息可以包括源直播流的流名、流状态、流地址等，例如，vhost、app、name、ip、port等。
这里，执行主体可同时获取源直播流的视频源流和aac(Advanced Audio Coding，高级音频编码)音频流，并将aac音频流转码为opus音频流，并根据opus音频流进行翻译，得到字幕数据。
其中，翻译是指将音频流对应的内容翻译成一种或多种语言。
需要指出的是，执行主体可直接控制直播翻译进程对音频数据进行翻译，也可创建AI(Artificial Intelligence，人工智能)语音翻译引擎与直播翻译进程进行通信以对音频数据进行翻译，得到翻译后的字幕，本申请对此不作限定。
在一些可选的方式中，该方法还包括：响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源直播流进行本地缓存。
在本实现方式中，执行主体若检测到源站上报的源直播流的相关信息，则可向预设的直播翻译进程下发任务，以控制直播翻译进程获取源站中的源直播流的音频数据，进行翻译，同时将获取的源直播流进行本地缓存。
具体地，执行主体若检测到源站上报的源直播流的相关信息，则可向预设的直播翻译进程下发两个ffmpeg任务，一个ffmpeg任务用于指示直播翻译进程获取源站中的源直播流的音频数据进行翻译，一个ffmpeg任务用于指示直播翻译进程将获取的源直播流进行本地缓存，以保障源直播流与获取的字幕数据的同步。
其中，ffmpeg是一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序。
该实现方式通过响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源直播流进行本地缓存，以及对源直播流中的音频数据进行翻译，得到字幕数据，并将字幕数据编码进源直播流，得到目标直播流，进而基于目标直播流进行转码直播，有效提升了直播流生成字幕的实时性。
步骤202，将字幕数据编码进源直播流，得到目标直播流。
在本实施例中，执行主体在获取到字幕数据后，可直接将字幕数据编码进对应的源直播流，也可以将字幕数据与源直播流的时间戳进行对齐后，进行编码，得到目标直播流，并将目标直播流推送至源站。
在一些可选的方式中，将字幕数据编码进源直播流，得到目标直播流，包括：响应于获取到字幕数据，将字幕数据与源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；将对齐后的字幕数据与源直播流进行合并编码，得到目标直播流。
在本实现方式中，执行主体可实时检测字幕数据，响应于获取到字幕数据，可将字幕数据与源直播流中的视频帧和音频帧进行时间戳对齐，得到对齐后的字幕数据和源直播流。这里，字幕数据可以复用音频帧携带的时间戳。
进一步地，执行主体将对齐后的字幕数据与源直播流进行合并编码，得到目标直播流，即带字幕的视频流。
该实现方式通过响应于获取到字幕数据，将字幕数据与源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；将对齐后的字幕数据与源直播流进行合并编码，得到目标直播流，保障了音、画、字幕三方同步。
步骤203，对目标直播流进行转码，得到转码后的直播流以进行直播。
在本实施例中，执行主体可在检测到源站上报的目标直播流已生成的信息后，可以向预设的直播转码进程下发任务以控制直播转码进程从源站中拉取目标直播流进行转码，得到转码后的直播流。
这里，转码用于指示将源站中的直播流在云端转换为不同的编码格式、不同分辨率、不同码率的转码流推送给观众，以满足不同网络环境、不同终端设备的等各种场景下的播放需求。
具体地，执行主体可控制直播转码进程将目标直播流转换为不同清晰度的转码流，用户可根据自己的网络情况选择不同的码率的视频流进行播放，以保证播放的流畅性。
步骤204，基于转码后的直播流进行直播。
在本实施例中，执行主体在生成转码后的直播流后，可将转码后的直播流推送至源站。源站可将转码后的直播流转推给CDN(Content Delivery Network，即内容分发网络)以供终端用户访问。
其中，CDN是构建在现有网络基础之上的智能虚拟网络，依靠部署在各地的边缘服务器，通过中心平台的负载均衡、内容分发、调度等功能模块，使用户就近获取所需内容，降低网络拥塞，提高用户访问响应速度和命中率。
继续参见图3，图3是根据本实施例的直播方法的应用场景的一个示意图。
在图3的应用场景中，执行主体301可实时或间隔预设时长检测是否存在源站302，例如，tp源站，上报的源直播流的相关信息，若检测到源站上报的源直播流的相关信息，则可向直播翻译进程303下发任务，以控制直播翻译进程303获取源站302中的源直播流的音频数据304，并进行翻译，得到字幕数据305。将字幕数据305编码进源直播流306，得到目标直播流307，并将目标直播流307推送至源站302；执行主体响应于检测到目标直播流已推送至源站302，则可向直播转码进程308下发任务，以控制直播转码进程308从源站302拉取目标直播流307并进行转码309，以得到转码后的直播流310，如，带字幕的多清晰度的直播流，并将转码后的直播流推送至源站302以进行直播。
本公开的直播方法，通过响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据；将字幕数据编码进源直播流，得到目标直播流；对目标直播流进行转码，得到转码后的直播流；基于转码后的直播流进行直播，有效提升了实时生成直播流字幕的效率。
进一步参考图4，其示出了直播方法的又一个实施例的流程400。在本实施例中，本实施例的直播方法的流程400，可包括以下步骤：
步骤401，响应于检测到源站上报的源直播流的相关信息，建立AI语音翻译引擎与直播翻译进程之间的通信。
在本实施例中，执行主体可实时或间隔预设时长检测是否存在源站上报的源直播流的相关信息，响应于检测到源站上报的源直播流的相关信息，则建立AI语音翻译引擎与直播翻译进程之间的通信。
这里，执行主体可以采用现有技术或未来发展技术中的通信协议，例如，http、websocket等，建立AI语音翻译引擎与直播翻译进程之间的通信。
在一些可选的方式中，建立AI语音翻译引擎与直播翻译进程之间的通信，包括：通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信。
在本实现方式中，执行主体可以采用websocket通信协议建立AI语音翻译引擎与直播翻译进程之间的通信。
其中，websocket用于在应用和服务器之间进行任意的双向数据传输的一种技术。websocket协议基于TCP(Transmission Control Protocol，传输控制协议)协议实现，包含初始的握手过程，以及后续的多次数据帧双向传输过程。其目的是在websocket应用和websocket服务器进行频繁双向通信时，可以使服务器避免打开多个HTTP(HyperTextTransfer Protocol，超文本传输协议)连接进行工作来节约资源，提高了工作效率和资源利用率。
具体地，执行主体控制直播翻译进程对源直播流中的音频数据进行翻译的操作可以包括：获取源直播流中的aac音频流并将其转码为opus音频流，进而将其写入unixsocket套接字，进一步地，读取unix socket套接字中的音频流并送入AI翻译引擎，同时与AI翻译引擎建立websocket链接，并实时检测翻译任务进程，获取翻译输出结果。
该实现方式通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信，进而基于AI语音翻译引擎与直播翻译进程之间的通信对源站中的直播源流中的音频数据进行翻译，得到字幕数据，根据字幕数据和源直播流进行直播，有效提高了直播流生成字幕的效率。
步骤402，基于AI语音翻译引擎与直播翻译进程之间的通信对源直播流中的音频数据进行翻译，得到字幕数据。
在本实施例中，执行主体在建立AI语音翻译引擎与直播翻译进程之间的通信后，可通过AI语音翻译引擎与直播翻译进程之间的通信对直播源流中的音频数据进行翻译，并根据翻译结果得到字幕数据。
步骤403，将字幕数据编码进源直播流，得到目标直播流。
在本实施例中，步骤403的实现细节和技术效果，可以参考对步骤202的描述，在此不再赘述。
步骤404，对目标直播流进行转码，得到转码后的直播流。
在本实施例中，步骤404的实现细节和技术效果，可以参考对步骤203的描述，在此不再赘述。
步骤405，基于转码后的直播流进行直播。
在本实施例中，步骤405的实现细节和技术效果，可以参考对步骤204的描述，在此不再赘述。
本申请的上述实施例，与图2对应的实施例相比，本实施例中的直播方法的流程400体现了响应于检测到源站上报的源直播流的相关信息，建立AI语音翻译引擎与直播翻译进程之间的通信，基于AI语音翻译引擎与直播翻译进程之间的通信对源站中的源直播流中的音频数据进行翻译，得到字幕数据，进而根据字幕数据和源直播流得到目标直播流，并基于目标直播流进行转码直播，可不占用直播翻译进程的资源，同时有助于提升获取的字幕数据的有效性和可靠性，进而提升获取的带字幕的直播流的有效性和可靠性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种直播装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的直播装置500包括：翻译模块501、编码模块502、转码模块503和直播模块504。
其中，翻译模块501，可被配置成响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源站中的源直播流中的音频数据进行翻译，得到字幕数据。
编码模块502，可被配置成将字幕数据编码进源直播流，得到目标直播流。
转码模块503，可被配置成对目标直播流进行转码，得到转码后的直播流。
直播模块504，可被配置成基于转码后的直播流推送至源站以进行直播。
在本实施例的一些可选的方式中，翻译模块包括：建立单元，被配置成建立AI语音翻译引擎与直播翻译进程之间的通信；通信单元，被配置成基于AI语音翻译引擎与直播翻译进程之间的通信对源站中的源直播流中的音频数据进行翻译，得到字幕数据。
在本实施例的一些可选的方式中，建立单元进一步被配置成：通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信。
在本实施例的一些可选的方式中，编码模块包括：对齐单元，被配置成响应于获取到字幕数据，将字幕数据与源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；合并单元，被配置成将对齐后的字幕数据与源直播流进行合并编码，得到目标直播流。
在本实施例的一些可选的方式中，该装置还包括：缓存模块，被配置成响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对源直播流进行本地缓存。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的直播方法的电子设备的框图。
600是根据本申请实施例的直播方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的直播方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的直播方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的直播方法对应的程序指令/模块(例如，附图5所示的翻译模块501、编码模块502、转码模块503和直播模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及直播，即实现上述方法实施例中的直播方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储直播的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至直播的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
直播方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户直播显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，有助于提升生成直播字幕的效率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种直播方法，所述方法包括：
响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对所述源站中的所述源直播流中的音频数据进行翻译，得到字幕数据；
将所述字幕数据编码进所述源直播流，得到目标直播流；
对所述目标直播流进行转码，得到转码后的直播流；
基于所述转码后的直播流进行直播。
2.根据权利要求1所述的方法，其中，所述基于直播翻译进程对所述源站中的所述源直播流中的音频数据进行翻译，得到字幕数据，包括：
建立AI语音翻译引擎与直播翻译进程之间的通信；
基于所述AI语音翻译引擎与直播翻译进程之间的通信对所述源站中的所述源直播流中的音频数据进行翻译，得到字幕数据。
3.根据权利要求2所述的方法，其中，所述建立AI语音翻译引擎与直播翻译进程之间的通信，包括：
通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信。
4.根据权利要求1所述的方法，其中，将所述字幕数据编码进所述源直播流，得到目标直播流，包括：
响应于获取到所述字幕数据，将所述字幕数据与所述源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；
将所述对齐后的字幕数据与源直播流进行合并编码，得到目标直播流。
5.根据权利要求1所述的方法，所述方法还包括：
响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对所述源直播流进行本地缓存。
6.一种直播装置，所述装置包括：
翻译模块，被配置成响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对所述源站中的所述源直播流中的音频数据进行翻译，得到字幕数据；
编码模块，被配置成将所述字幕数据编码进所述源直播流，得到目标直播流；
转码模块，被配置成对所述目标直播流进行转码，得到转码后的直播流；
直播模块，被配置成基于所述转码后的直播流进行直播。
7.根据权利要求6所述的装置，其中，所述翻译模块包括：
建立单元，被配置成建立AI语音翻译引擎与直播翻译进程之间的通信；
通信单元，被配置成基于所述AI语音翻译引擎与直播翻译进程之间的通信对所述源站中的所述源直播流中的音频数据进行翻译，得到字幕数据。
8.根据权利要求7所述的装置，其中，所述建立单元进一步被配置成：
通过websocket建立AI语音翻译引擎与直播翻译进程之间的通信。
9.根据权利要求6所述的装置，其中，所述编码模块包括：
对齐单元，被配置成响应于获取到所述字幕数据，将所述字幕数据与所述源直播流进行时间戳对齐，得到对齐后的字幕数据与源直播流；
合并单元，被配置成将所述对齐后的字幕数据与源直播流进行合并编码，得到目标直播流。
10.根据权利要求6所述的装置，所述装置还包括：
缓存模块，被配置成响应于检测到源站上报的源直播流的相关信息，基于直播翻译进程对所述源直播流进行本地缓存。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111414398.XA CN114040220A (zh) | 2021-11-25 | 2021-11-25 | 直播方法和装置 |
| PCT/CN2022/124310 WO2023093322A1 (zh) | 2021-11-25 | 2022-10-10 | 直播方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111414398.XA CN114040220A (zh) | 2021-11-25 | 2021-11-25 | 直播方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114040220A true CN114040220A (zh) | 2022-02-11 |
Family
ID=80145558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111414398.XA Pending CN114040220A (zh) | 2021-11-25 | 2021-11-25 | 直播方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114040220A (zh) |
| WO (1) | WO2023093322A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023093322A1 (zh) * | 2021-11-25 | 2023-06-01 | 京东科技信息技术有限公司 | 直播方法和装置 |
| CN116248906A (zh) * | 2023-01-05 | 2023-06-09 | 咪咕文化科技有限公司 | 直播字幕添加方法、装置及设备 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116527840B (zh) * | 2023-07-05 | 2024-07-12 | 卓望数码技术（深圳）有限公司 | 一种基于云边协同的直播会议智能字幕显示方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002010138A (ja) * | 2000-06-20 | 2002-01-11 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理方法及び情報処理装置 |
| EP2106121A1 (en) * | 2008-03-27 | 2009-09-30 | Mundovision MGI 2000, S.A. | Subtitle generation methods for live programming |
| CN108401192A (zh) * | 2018-04-25 | 2018-08-14 | 腾讯科技（深圳）有限公司 | 视频流处理方法、装置、计算机设备及存储介质 |
| CN111010614A (zh) * | 2019-12-26 | 2020-04-14 | 北京奇艺世纪科技有限公司 | 一种显示直播字幕的方法、装置、服务器及介质 |
| CN111901615A (zh) * | 2020-06-28 | 2020-11-06 | 北京百度网讯科技有限公司 | 直播视频的播放方法和装置 |
| CN112188241A (zh) * | 2020-10-09 | 2021-01-05 | 上海网达软件股份有限公司 | 一种用于直播流实时生成字幕的方法及系统 |
| CN113596491A (zh) * | 2021-07-23 | 2021-11-02 | 深圳市通拓信息技术网络有限公司 | 一种基于云服务器的跨境直播系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114040220A (zh) * | 2021-11-25 | 2022-02-11 | 京东科技信息技术有限公司 | 直播方法和装置 |
-
2021
- 2021-11-25 CN CN202111414398.XA patent/CN114040220A/zh active Pending
-
2022
- 2022-10-10 WO PCT/CN2022/124310 patent/WO2023093322A1/zh not_active Ceased
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002010138A (ja) * | 2000-06-20 | 2002-01-11 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理方法及び情報処理装置 |
| EP2106121A1 (en) * | 2008-03-27 | 2009-09-30 | Mundovision MGI 2000, S.A. | Subtitle generation methods for live programming |
| CN108401192A (zh) * | 2018-04-25 | 2018-08-14 | 腾讯科技（深圳）有限公司 | 视频流处理方法、装置、计算机设备及存储介质 |
| CN111010614A (zh) * | 2019-12-26 | 2020-04-14 | 北京奇艺世纪科技有限公司 | 一种显示直播字幕的方法、装置、服务器及介质 |
| CN111901615A (zh) * | 2020-06-28 | 2020-11-06 | 北京百度网讯科技有限公司 | 直播视频的播放方法和装置 |
| CN112188241A (zh) * | 2020-10-09 | 2021-01-05 | 上海网达软件股份有限公司 | 一种用于直播流实时生成字幕的方法及系统 |
| CN113596491A (zh) * | 2021-07-23 | 2021-11-02 | 深圳市通拓信息技术网络有限公司 | 一种基于云服务器的跨境直播系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023093322A1 (zh) * | 2021-11-25 | 2023-06-01 | 京东科技信息技术有限公司 | 直播方法和装置 |
| CN116248906A (zh) * | 2023-01-05 | 2023-06-09 | 咪咕文化科技有限公司 | 直播字幕添加方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023093322A1 (zh) | 2023-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114040220A (zh) | 直播方法和装置 | |
| CN106412621B (zh) | 网络直播间的视频显示方法及装置、控制方法与相关设备 | |
| US7499075B2 (en) | Video conference choreographer | |
| CN102883135B (zh) | 屏幕共享及控制方法 | |
| US7991801B2 (en) | Real-time dynamic and synchronized captioning system and method for use in the streaming of multimedia data | |
| CN103414751B (zh) | 一种pc屏幕内容分享互动控制方法 | |
| CN102761603B (zh) | VDI环境下的网页flash视频重定向的方法 | |
| US20160021149A1 (en) | Methods and systems for dynamic adjustment of session parameters for effective video collaboration among heterogeneous devices | |
| CN105637472B (zh) | 具有广义屏幕描述的屏幕内容共享系统的框架 | |
| KR102611151B1 (ko) | 라이브 방송 메시지 전송 방법, 장치, 전자 기기 및 매체 | |
| CN102970513A (zh) | 监视系统及其相关控制方法 | |
| CN110784525A (zh) | 一种基于h5网页技术的云手机控制方法、系统及存储介质 | |
| WO2020248649A1 (zh) | 音视频数据同步播放方法、装置、系统、电子设备及介质 | |
| US8255461B1 (en) | Efficient transmission of changing images using image caching | |
| CN114217996A (zh) | 混音方法和装置 | |
| CN111885351B (zh) | 一种屏幕显示方法、装置、终端设备和存储介质 | |
| Suga | A comparison of bandwidth consumption between proprietary web conference services and BigBlueButton, an open source webinar system | |
| CA3041692C (en) | Multichannel video programming distributor stream controller | |
| US20220158952A1 (en) | Delivery of Multimedia Components According to User Activity | |
| CN111726645B (zh) | 一种直播的控制方法、装置、电子设备和存储介质 | |
| CN114500940A (zh) | 基于本地部署的视频硬件编解码和视频转发方法 | |
| CN113259730A (zh) | 用于直播的码率调整方法及装置 | |
| Gao et al. | The Design and Implementation of an Augmented Reality Scheme Based on Netty Communication | |
| Aiersilan | Design and implementation of online live streaming system using a 3d engine | |
| CN113727183B (zh) | 直播推流方法、装置、设备、存储介质及计算机程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220211 |